3D打印和深度学习实现了对感染数百种基因型的数万寄生虫的整体性和动态分析

宿主—寄生物相互作用是动态系统，其中寄生物的数量通常比宿主高出一个或多个数量级。然而，我们的理解往往受限于仅评估宿主的局部部分、在任意时间点进行观察和/或仅分析寄生物的总体反应。在这里，我们结合了定制构建的3D打印硬件和基于深度学习的算法，从持续数月的感染延时视频中，实现了对线虫植物寄生过程的整体性（即整株植物上所有感染个体）、时空性以及以寄生物为中心的分析。借助这一方法，我们在生物个体层面追踪了数千个宿主中、拟南芥数百种基因型上的所有单个寄生物的动态生长与发育。 通过将性状划分为静态性状（即在给定时间点获取的图像中所呈现的性状）和动态性状（即随时间变化的表型变化），我们揭示了宿主遗传对寄生物性状具有更大程度的控制作用，并发现了该物种在这些条件下新的生理极限。利用这一能力，我们鉴定了宿主植物中与寄生物18种表型性状相关的数量性状位点（QTL），并将其作为社区资源。最后，我们利用这一大规模且多样化的数据集，理解了独立于宿主基因型的寄生物基本特征，揭示了其生命周期中具有伪决定性的方面，以及共感染寄生物之间局部的有害相互作用。鉴于植物寄生线虫每年造成的农业损失估计高达1000亿美元，这些发现被置于由植物寄生线虫所驱动的全球性挑战背景之下。

宿主—寄生物相互作用是动态系统，其中寄生物的数量通常比宿主高出一个或多个数量级。然而，我们的理解往往受限于仅评估宿主的局部部位、在任意时间点进行观测和/或采用寄生物总体响应的分析方式。在此，我们结合定制构建的3D打印硬件与基于深度学习的算法，利用跨越数月的感染延时视频，实现了对线虫植物寄生过程的整体性（即整株植物上所有感染个体）、时空性以及以寄生物为中心的分析。借助这一方法，我们在数百个拟南芥基因型的数千个宿主中，于生物体水平追踪了所有单个寄生物的动态生长与发育过程。通过将性状划分为静态性状（即在给定时间点采集的图像中观测到的性状）和动态性状（即随时间变化的表型变化），我们揭示了宿主遗传对寄生物性状更大程度的控制，以及该物种在这些条件下新的生理极限。利用这一能力，我们鉴定出宿主植物中与寄生物18种表型性状相关的数量性状位点（QTL），为相关研究群体提供资源。最后，我们利用这一大规模且多样化的数据集，解析了独立于宿主基因型的寄生物基本特征，揭示了其生活史中既具有伪决定性特征的方面，也存在共同感染寄生物之间局部的有害相互作用。鉴于植物寄生线虫每年造成的农业损失估计高达1000亿美元，这些发现被置于由植物寄生线虫驱动的全球性挑战背景下加以理解。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.13.744426v1?rss=1

🏷️ 植物寄生线虫 宿主-寄生互作 深度学习表型分析 3D打印成像平台 QTL定位 拟南芥